物界前沿评测 · 2026-10-02

第 065 期来了。这期三件重点：一件讲 AI 找代码里的错有多依赖人指路，一件讲日本三人小队做的 AI 在漏洞比赛里拿了第一，一件讲 AI 靠看猫片学会做没见过的题。

重点更新

一、不告诉 AI 错在哪，它基本找不出来

有人做了张新考卷，把一整份真实代码仓库丢给 AI，只说一句「里头有错，自己找」，哪个文件、哪一行一概不提。结果大多数 AI 交了白卷。老徐的看法很直接：真项目里的毛病没人替你标好位置，能自己找出来才算本事；想试就先拿个丢了不心疼的小仓库滚一周，别直接上你在维护的那套。小禾说她以后让 AI 查东西，会先把「大概哪儿不对」讲清楚。

二、日本三个人做的 AI，在找漏洞比赛里拿了第一

日本小公司 Layer8 只有三个人，做的找漏洞 AI 叫 Trident，在漏洞悬赏平台 HackerOne 的 2026 年第三季度排第一。老周提醒，会找漏洞的 AI 也能被反过来用，先问三件：谁授权它扫、它一路做了什么、出事能不能一键停。小禾说这条让她更不敢乱给公司系统开权限，退掉不常用的助手那件事这周就办。

三、看猫的照片，AI 就学会做没见过的题

何恺明团队的新研究：先让 AI 看大量猫的照片，再看一种专考「没见过的新题」的卷子，叫 ARC，让它在没教过的题上抓住规律。这卷子不许背题，考的是能不能举一反三。阿哲说，AI 大多擅长背题，碰新题就露怯，谁先真会举一反三，谁才敢把更自主的活交给它。

榜单快报

这期三个榜（人类盲投文本榜、编程榜、实干能力榜）跟上期是同一份，没更新，数据截至 2026-09-30，名次先别拿来挑工具。要挑写代码的 AI，先看括号里的场次够不够多。

板块精选（10 条）

• 一个只会从清单里挑选项的模型，学不会说话：把话说死到只能挑选项，省了钱，但换不来会聊天。
• 盘点：让机器人动起来的 AI，现在是什么水平：机器人离进家门还早，先看清它会什么、不会什么。
• 为什么大模型没有变成只回背的复读机：抓规律是真本事，会胡说也是真毛病，两头都得防。
• 每一步都批准过，整件事还是办错了：管事不能只看每个动作合不合规，得回头看整件事办成没有。
• Cloudflare 开源了一批「做判断用」的小模型：不是所有判断都得请大模型出场，小模型够用还省钱。
• 英伟达出了套工具，专门关「乱来的 AI」禁闭：给 AI 装个能一键关禁闭的开关，比事后追责实在。
• 给写代码的 AI 一间互不打扰的独立小房间：多个 AI 并行干活，先隔开，出事也不连带。
• 把 AI 干过的活录下来，下次直接回放：重复的活没必要每次重新花钱。
• 一个小命令，帮好几个 AI 在同一份代码上各干各的：先分好支线，比事后找冲突省心。
• 有人把「训练大模型」的整套工具箱开源了：训练大模型的配方越公开，后来者越容易上手。

大家都在看

谷歌 Gemini 4 Argon 上线当天同时登顶好几个榜单；日本三人小队的 AI 在漏洞悬赏平台拿季度第一；英伟达放出能一键隔离乱来 AI 的开源安全工具；新考卷实锤不圈范围 AI 就找不出代码里的错；何恺明团队看猫片就能让 AI 学会做没见过的题。

明日关注

① 榜单这期没更新，盯 Arena 这几天会不会重算，或有没有新榜接上。

② 那张「不圈范围就找不出错」的新考卷，盯有没有人拿别家 AI 复跑一遍。

③ AI 找漏洞拿了第一，盯这套工具会不会被要求公开授权、一路留痕。